学习动态规划——字符串
follow:代码随想录
300. 最长递增子序列
题目描述
给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。
解析:
一维状态转移数组
- dp数组的含义:
dp[i]代表前i + 1个字符串中包括i的最长严格递增子序列 - 确定递推公式
dp[i] = dp[j] + 1,其中j是最大的dp[j]且nums[i] > nums[j]的位置下标 - 初始化
dp[0] = 1 - 遍历顺序
从前向后遍历,且在内部需要从后向前找到小于该位置的数,并选择dp最大的。
二维状态转移数组
- dp数组的含义:
dp[i][0]代表前i + 1个字符串中不包括i的最长严格递增子序列
dp[i][1]代表前i + 1个字符串中包括i的最长严格递增子序列 - 确定递推公式
dp[] - 初始化
dp[0] = 1 - 遍历顺序
从前向后遍历,且在内部需要从后向前找到小于该位置的数,并选择dp最大的。
public int lengthOfLIS(int[] nums) {
//dp[i]:i之前包括i的最长严格递增子序列
int[] dp = new int[nums.length];
int result = 1;
//初始化
dp[0] = 1;
for(int i = 1; i < nums.length; i++){
for(int j = i - 1; j >= 0; j--){
if(nums[j] < nums[i]){
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
if(dp[i] == 0) dp[i] = 1;
result = Math.max(result, dp[i]);
}
return result;
}
674 最长连续递增子序列
题目描述:
给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。
连续递增的子序列 可以由两个下标 l 和 r(l < r)确定,如果对于每个 l <= i < r,都有 nums[i] < nums[i + 1] ,那么子序列 [nums[l], nums[l + 1], …, nums[r - 1], nums[r]] 就是连续递增子序列。
解析:
该题可以不建立dp数组,完成动态规划
- 如果nums[I] > nums[I-1] dp[i] = dp[i - 1] + 1
- 在dp数组中找到最大的
public int findLengthOfLCIS(int[] nums) {
int result = 1;
//模拟dp[i - 1]
int temp = 1;
for(int i = 1; i < nums.length; i++){
if(nums[i] > nums[i - 1]) temp++;
else{
result = Math.max(result, temp);
temp = 1;
}
}
return Math.max(result, temp);
}
718 最长重复子数组
题目描述:
给两个整数数组 nums1 和 nums2 ,返回 两个数组中 公共的 、连续的、长度最长的子数组的长度 。
解析:
该题要求连续,所以与1143题在递推公式上有区别
- 确定dp数组及其含义
dp[i][j]构建一个二维数组,代表的含义是text1的长度为i,text2的长度为j,这两者的最长公共子序列 - 确定递推公式
- 如果text1和text2的最后一位相同,则dp[i][j] = dp[i - 1][j - 1] + 1
- 如果text1和text2最有一位不同,则dp[i][j] = 0
- 初始化
dp[0][0:j]以及dp[0:i][0]都为0 - 遍历顺序
从左至右、从上至下
public int findLength(int[] nums1, int[] nums2) {
int l1 = nums1.length;
int l2 = nums2.length;
// dp[i][j]构建一个二维数组,代表的含义是text1的长度为i,text2的长度为j,这两者的最长公共子序列
int[][] dp = new int[l1 + 1][l2 + 1];
//初始化dp[0][0:j]以及dp[0:i][0]都为0
//递推公式
//- 如果text1和text2的最后一位相同,则dp[i][j] = dp[i - 1][j - 1] + 1
//- 如果text1和text2最有一位不同,则dp[i][j] = 0
int result = 0;
for(int i = 1; i <= l1; i++){
for(int j = 1; j <= l2; j++){
if(nums1[i - 1] == nums2[j - 1]){
dp[i][j] = dp[i - 1][j - 1] + 1;
result = Math.max(result, dp[i][j]);
}
}
}
return result;
}
1143. 最长公共子序列
题目描述:
给定两个字符串 text1 和 text2,返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ,返回 0 。
解析:
- 确定dp数组及其含义
dp[i][j]构建一个二维数组,代表的含义是text1的长度为i,text2的长度为j,这两者的最长公共子序列 - 确定递推公式
- 如果text1和text2的最后一位相同,则dp[i][j] = dp[i - 1][j - 1] + 1
- 如果text1和text2最有一位不同,则dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]
- 初始化
dp[0][0:j]以及dp[0:i][0]都为0 - 遍历顺序
从左至右、从上至下
public int longestCommonSubsequence(String text1, String text2) {
int l1 = text1.length();
int l2 = text2.length();
// dp[i][j]构建一个二维数组,代表的含义是text1的长度为i,text2的长度为j,这两者的最长公共子序列
int[][] dp = new int[l1 + 1][l2 + 1];
//初始化dp[0][0:j]以及dp[0:i][0]都为0
//递推公式
//- 如果text1和text2的最后一位相同,则dp[i][j] = dp[i - 1][j - 1] + 1
//- 如果text1和text2最有一位不同,则dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]
char[] t1 = text1.toCharArray();
char[] t2 = text2.toCharArray();
for(int i = 1; i <= l1; i++){
for(int j = 1; j <= l2; j++){
if(t1[i - 1] == t2[j - 1]){
dp[i][j] = dp[i - 1][j - 1] + 1;
}
else{
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
}
}
}
return dp[l1][l2];
}